Na het volgen van deze cursussen voel ik me zeker genoeg om professionele visualisaties en dashboards te maken
Shoebur RahmanInkoopspecialist, Giz Bangladesh
Cursusbeschrijving
Lineaire regressie en logistische regressie zijn de twee meest gebruikte statistische modellen en werken als loper voor het ontrafelen van geheimen in gegevenssets. In deze cursus leer je hoe je eenvoudige lineaire en logistische regressies kunt fitten. Met hands-on oefeningen onderzoek je relaties tussen variabelen in echte gegevenssets, zoals schadeclaims bij autoverzekeringen, huizenprijzen in Taiwan, vislengtes en meer. Aan het einde van deze cursus kun je voorspellingen doen op basis van je data, de modelprestatie kwantificeren en problemen met de modelfit diagnosticeren.
Vereisten
Lesprogramma
Cursusoverzicht
1
Eenvoudige lineaire regressie
Je leert de basis van dit populaire statistische model: wat regressie is en hoe lineaire en logistische regressie van elkaar verschillen. Daarna leer je hoe je eenvoudige lineaire regressiemodellen fit met numerieke en categorische verklarende variabelen, en hoe je de relatie tussen de respons- en verklarende variabelen beschrijft met modelcoëfficiënten.
- Een verhaal van twee variabelen50 XP
- Welke is de responsvariabele?50 XP
- Twee variabelen visualiseren100 XP
- Een lineaire regressie fitten50 XP
- Schat de intercept50 XP
- Schat de helling50 XP
- Lineaire regressie met lm()100 XP
- Categorische verklarende variabelen50 XP
- Numeriek vs. categorisch visualiseren100 XP
- Gemiddelden per categorie berekenen100 XP
- lm() met een categorische verklarende variabele100 XP
2
Voorspellingen en modelobjecten
In dit hoofdstuk ontdek je hoe je lineaire regressiemodellen gebruikt om voorspellingen te doen voor Taiwanese huizenprijzen en Facebook-advertentieklikken. Je breidt je regressievaardigheden uit door praktisch aan de slag te gaan met modelobjecten, het concept "regressie naar het gemiddelde" te begrijpen en te leren hoe je variabelen in een gegevensset transformeert.
3
Modelfit beoordelen
In dit hoofdstuk leer je hoe je vragen stelt aan je model om de fit te beoordelen. Je leert hoe je kwantificeert hoe goed een lineair regressiemodel past, hoe je modelproblemen diagnosticeert met visualisaties, en hoe je de leverage en invloed van elke observatie die voor het model is gebruikt begrijpt.
4
Eenvoudige logistische regressie
Leer logistische regressiemodellen fitten. Met echte data voorspel je de kans dat een klant zijn bankrekening sluit als kansen op succes en odds ratio’s, en kwantificeer je de modelprestatie met verwarringsmatrices.
R
Introductie tot regressie in R
Cursus
voltooid
